Drukowanie Numpy Array [zamknięte]
Próbuję wydrukować wyniki niektórych poprzednich obliczeń i mam pewne problemy z używaniem Numpy do prawidłowego drukowania wartości z tablicy. Każda ze zmiennych w pętli jest zdefiniowana przez wcześniejsze obliczenia i musi przejść przez permutacje prędkości, aby uzyskać dane dla każdej prędkości z przyrostami 0,5 kn.
Kod, o którym mowa, to:
print('Speed Dependent factors and residuary resistance coefficents')
#output table
#table header
#Top Row
print('V'.center(12),end='') #the end='' prevents a new line'
print('V'.center(12),end='')
print('FN'.center(12),end='')
print('CRstdmin'.center(12),end='')
print('kFrmin'.center(12),end='')
print('CRBTmin'.center(12),end='')
print('CRmin'.center(12),end='')
print('CRstdmean'.center(12),end='')
print('kFrmean'.center(12),end='')
print('CRBTmean'.center(12),end='')
print('CRmean'.center(12),)
#Second Row
print('knots'.center(5),end='')
print('m/s'.center(12), end='')
print('--'.center(12), end='')
print('--'.center(12), end='')
print('--'.center(12), end='')
print('--'.center(12), end='')
print('10^-3'.center(12), end='')
print('--'.center(12), end='')
print('--'.center(12), end='')
print('--'.center(12), end='')
print('10^-3'.center(12))
print('-'*135)
#loop for table cell values
kFrmin=round(kFrmin,5)
for i in range(len(VS)):
print('{:12.1f}'.format(Vskn[i]), end='')
print('{:12.3f}'.format(VS[i]), end='')
print('{:12.4f}'.format(FN[i]), end='')
print('{:12.4f}'.format(CRstdmin[i]), end='')
print('{:12.4f}'.format(kFrmin), end='')
print('{:12.4f}'.format(CRBTmin[i]), end='')
print('{:12.4f}'.format(CRmin[i]), end='')
print('{:12.4f}'.format(CRstdm[i]), end='')
print(kFrm, end="")
np.set_printoptions()
#print('{:12.4f}'.format(kFrm), end='')
print('{:12.4f}'.format(CRBTm[i]), end='')
print('{:12.4f}'.format(CRm[i]),)
Odpowiedzi
Dobra, ok, myślę, że rozumiem, jaki jest cel. To, co masz, to cała masa tablic 1D - co oznacza, że każda reprezentuje wektor (w porównaniu do macierzy lub tensora). Twoim celem jest wydrukowanie tych wartości w tabeli w bardzo specyficzny sposób. Wydaje mi się, że załatwi to zmienić print(kFrm, end=""), aby korzystać z tej samej konwencji jak wszystkich innych druków: print('{:12.4f}'.format(kFrm[i]), end=''). Pozbądź się np.set_printoptions()połączenia po tym.
Dlaczego to się dzieje? Uważam, że Twój obecny kod jest częściowo oparty na poprzedniej rozmowie, ale bez pełnego kontekstu. kFrmjest wektorem, tak jak wszystkie inne zmienne, z którymi pracujesz, więc chcesz po prostu wydrukować i'thwartość tego wektora w tym wierszu. Gdybyś chciał wydrukować cały wektor w jednym rzędzie, a następnie chcesz użyć kodu jak to jest teraz.
Na marginesie, możesz zaoszczędzić sobie bólu głowy (lub prawdopodobnie wprowadzić więcej bólu głowy), używając pand . Jeśli tak, możesz zrobić coś takiego jak poniżej. Jedynym haczykiem jest to, że nie możesz nazwać kolumn tak samo, więc musisz nazwać pierwszą i drugą kolumnę, Va VSzamiast Vi V:
# At the top of your file
import pandas as pd
# All the other stuff
...
kFrmin = round(kFrmin,5)
# Create the data frame,
# mapping name to vector.
# Each entry here represents
# a column in the eventual output
dataframe = pd.DataFrame({
"V": Vskn,
"VS": VS,
"FN": FN,
"CRstdmin": CRstdmin,
"kFrmin": float(kFrmin), # kFrmin is defined as an int in your
"CRBTmin": CRBTmin, # code, we need a float
"CRmin": CRmin,
"CRstdmean": CRstdm,
"kFrmean": kFrm,
"CRBTmean": CRBTm,
"CRmean": CRm,
})
# Set some options for printing
with pd.option_context(
"display.max_columns", 11, # Display all columns
"display.expand_frame_repr", False, # Don't wrap columns
"display.float_format", "{:>12.4f}".format, # Default to 4 digits of precision,
): # pad to 12 places
df_str = dataframe.to_string(
index=False, # Don't print the dataframe index
formatters={
"V": "{:>12.1f}".format, # V uses 1 digit of precision
"VS": "{:>12.3f}".format, # VS uses 3 digits of precision
}
)
# Everything from here... (see below)
df_str_rows = df_str.split("\n") # Split up the original table string
# Create the unit row values
unit_row = ["knots", "m/s", "--", "--", "--", "--", "10^-3", "--", "--", "", "10^-3"]
# Pad them using right justification
pd_cspace = pd.get_option("column_space")
unit_row_str = (unit_row[0].rjust(pd_cspace) +
''.join(r.rjust(pd_cspace + 1) for r in unit_row[1:]))
# Insert that new row back into the table string
df_str_rows.insert(1, unit_row_str)
df_str_rows.insert(2, "-" * len(unit_row_str))
df_str = '\n'.join(df_str_rows)
# ... to here was just to include the extra unit row
# and the dash line separating the table. You could ignore
# it if you don't care about those
# Ok now print
print('Speed Dependent factors and residuary resistance coefficents')
print(df_str)
To daje ci:
Speed Dependent factors and residuary resistance coefficents
V VS FN CRstdmin kFrmin CRBTmin CRmin CRstdmean kFrmean CRBTmean CRmean
knots m/s -- -- -- -- 10^-3 -- -- -- 10^-3
----------------------------------------------------------------------------------------------------------------------------------------------
15.0 7.717 0.1893 0.8417 1.0000 0.1870 0.7645 0.8417 1.0000 0.1786 0.7302
15.5 7.974 0.1956 0.8928 1.0000 0.1984 0.8110 0.8928 1.0000 0.1895 0.7746
16.0 8.231 0.2019 0.9502 1.0000 0.2111 0.8631 0.9502 1.0000 0.2017 0.8243
16.5 8.488 0.2083 1.0138 1.0000 0.2253 0.9208 1.0138 1.0000 0.2152 0.8795
17.0 8.746 0.2146 1.0837 1.0000 0.2408 0.9843 1.0837 1.0000 0.2300 0.9401
17.5 9.003 0.2209 1.1598 1.0000 0.2577 1.0535 1.1598 1.0000 0.2461 1.0062
18.0 9.260 0.2272 1.2422 1.0000 0.2760 1.1283 1.2422 1.0205 0.2690 1.0997
18.5 9.517 0.2335 1.3308 1.0000 0.2957 1.2088 1.3308 1.0508 0.2968 1.2132
19.0 9.774 0.2398 1.4257 1.0000 0.3168 1.2950 1.4257 1.0829 0.3276 1.3394
19.5 10.032 0.2461 1.5269 1.0000 0.3393 1.3869 1.5269 1.1167 0.3619 1.4793
20.0 10.289 0.2524 1.6343 1.0000 0.3631 1.4845 1.6343 1.1525 0.3997 1.6340
Po co przechodzić przez te wszystkie kłopoty pandas? Chciałbym twierdzą, że to dlatego, pandasi numpywykonali ogromną ilość pracy, aby wydrukować rzeczy ładnie. Im bardziej możemy wykorzystać tę pracę, tym bardziej jesteśmy pewni, że nasze wyniki będą solidne i naprawdę dobrze wyglądać. Możesz jednak zdecydować się na zignorowanie drugiej połowy tej odpowiedzi i naprawdę nie mam tego za złe.